Tre perspektiv på an­vän­da­rupple­vel­se och AI: vad UX + AI är i praktiken

Precis som all annan teknik kan AI-drivna verktyg antingen verkligen förenkla det dagliga arbetet, eller frustrera användare och bromsa processer istället för att skapa värde. Men hur skapar man AI-verktyg med en riktigt bra användarupplevelse?

För att illustrera hur användarupplevelse och AI kan mötas i praktiken använder jag ofta den här enkla modellen med våra kunder: UX för AI, UX med hjälp av AI och UX tillsammans med AI.

Traditionellt har arbetet med användarupplevelse inom mjukvaruutveckling fokuserat på användargränssnitt och att på förhand definiera smidiga användarflöden. Användaren styr systemet direkt, till exempel via ett människa-maskin-gränssnitt. Framgång mäts vanligtvis utifrån mjukvarans användbarhet och hur effektivt människor använder den.

AI-system förändrar denna dynamik: de arbetar utifrån sannolikheter, vilket innebär att deras förslag kan variera även med samma indata. Det förskjuter fokus inom UX-design till hur användaren interagerar med systemet och tolkar de resultat som AI:n genererar.

En god AI-användarupplevelse möjliggör insyn i modellens beteende och gör det förklarbart och lättbegripligt. En rationell ansvarsfördelning mellan människa och AI är också ett måste: AI:n assisterar, vägleder och rekommenderar, men lämnar beslutsfattandet till människan. Framgångsmåtten ser också annorlunda ut, eftersom de fokuserar på noggrannheten och förklaringsbarheten i AI-genererade resultat, samt på det användarförtroende och den adoptionsgrad som följer.

Ett annat perspektiv handlar om att förbättra användarupplevelsen för maskiner och system genom att lägga till AI-drivna funktioner. I OT/IT-miljöer kan adaptiva dashboards som utnyttjar realtidsdata, AI-assistenter för operatörer och trendbaserade prediktiva varningar hjälpa maskinoperatörer vid precis rätt tillfälle. Edge AI, som kombinerar edge-beräkning och artificiell intelligens, kan komplettera dessa lösningar genom att köra inferens lokalt i själva enheten. Det minimerar latens och beroende av nätverksuppkoppling, vilket är avgörande för säkerhetskritiska och tidskänsliga operationer.

Användarupplevelsen förbättras när information kommer vid rätt tidpunkt och i rätt format. Användaren kan fatta beslut snabbare och undvika fel lättare. Samtidigt minskar den kognitiva belastningen. AI-drivna funktioner förenklar inte bara enskilda uppgifter utan förbättrar också den övergripande produktionsprocessen. Framgång följs upp genom att spåra tid för uppgiftsutförande, antal fel och användarnöjdhet. Om dessa indikatorer förbättras har AI verkligen gjort arbetet enklare.

AI hjälper inte bara slutanvändare utan också dem som designar digitala lösningar. Generativ AI har visat sig särskilt användbar vid idégenerering, analys av stora datamängder, förslag på designalternativ och förbättring av dokumentationskvalitet, även för oss på Etteplan. Detta gäller också andra former av designarbete: AI kan förbättra specifikationskvaliteten genom att till exempel identifiera brister och motsägelser. Samtidigt minskar det fel och kortar ledtiderna för specifikationer. Det gör det möjligt för designers och ingenjörer att fokusera på uppgifter med högre värde, de områden där människor verkligen utmärker sig.

Framgången för AI-lösningar följs upp genom att spåra tid till värde (TTV), mängden omarbetning och användarnöjdhet. Goda resultat på dessa mått leder till snabbare utvecklingscykler, minskad projektrisk och förbättrad kundupplevelse.

När dessa tre perspektiv beaktas tillsammans blir AI-lösningar både trovärdiga och genuint användbara i det dagliga arbetet. Samtidigt blir design och utveckling mer effektiv, och lösningarna levererar affärsvärde snabbare. Det här är inte bara bra design, det är att bygga konkurrenskraft.

Vilket av dessa tre perspektiv behöver din organisation mest just nu: att bygga förtroende för AI, effektivisera maskinanvändningen eller förbättra effektiviteten inom design och konstruktion? Prata med våra AI-experter och utforska hur vi kan stödja din omställning.